Jour 1 – Fondamentaux IAOps & AI DevOps

Module 1 – Fondamentaux IAOps pour les environnements de production

Bases techniques

• Pourquoi le DevOps traditionnel échoue pour les charges IA.
• Du MLOps à l'IAOps : un périmètre opérationnel élargi.
• Composants d'un système IA : données, modèles, prompts, services d'inférence.
• Non-déterminisme, dérive et défis de reproductibilité.

REX – Défaillances courantes

• Pipelines impossibles à rejouer.
• Modèles impossibles à expliquer ou à restaurer.
• Environnements qui divergent silencieusement.

Module 2 – AI DevOps : pipelines CI/CD pour les systèmes IA

Conception de pipelines

• CI/CD pour l'ingestion de données, l'entraînement de modèles, le packaging et le déploiement.
• Stratégies de versioning pour les données, modèles et prompts.
• Parité d'environnement entre dev, staging et prod.

Patterns de déploiement

• Inférence batch vs temps réel.
• Déploiements canary, shadow et blue/green.
• Stratégies de rollback pour les services IA.

REX – Ce qui casse en production

• Précision sans stabilité.
• Dérive de données non détectée après déploiement.

Module 3 – Reproductibilité, traçabilité et auditabilité

• Lignage et provenance des jeux de données.
• Traçabilité des modèles et des prompts.
• Intégrité des artefacts de build.
• Pistes d'audit opérationnelles.

Jour 2 – Observabilité, Fiabilité & AI SecOps

Module 4 – Observabilité et fiabilité des charges IA

Monitoring

• Métriques modèle vs métriques système.
• Détection de dérive des données, concepts et prompts.
• Latence, débit et taux d'erreur.

Ingénierie de la fiabilité

• SLOs et SLIs pour les services IA.
• Stratégies d'alerting et conditions d'arrêt.
• Patterns d'escalade human-in-the-loop.

REX – Patterns d'incidents

• Dégradation silencieuse des modèles.
• Faux positifs dans la détection de dérive.

Module 5 – AI SecOps : modèle de menaces et surface d'attaque

Paysage des menaces

• Empoisonnement de données et vol de modèles.
• Injection de prompts et abus.
• Vulnérabilités de la chaîne d'approvisionnement.

Conception sécurité

• Modélisation des menaces pour les systèmes IA.
• Périmètres de sécurité sur les pipelines.

Module 6 – Implémenter les contrôles AI SecOps

• IAM pour les pipelines IA et l'inférence.
• Gestion des secrets et des clés.
• Stockage et signature sécurisés des artefacts.
• Journalisation, auditabilité et préparation forensique.

REX – Pièges de sécurité

• Confiance excessive dans les sorties de modèles.
• Manque d'isolation entre les environnements.

Jour 3 – AI FinOps, Gouvernance & Feuille de Route IAOps

Module 7 – AI FinOps : comprendre et maîtriser les coûts IA

Facteurs de coûts

• Économie de l'entraînement vs l'inférence.
• Utilisation des GPU et accélérateurs.
• Coûts de stockage et de transfert de données.
• Tarification des modèles tiers et fondamentaux.

Coûts cachés

• Réessais, hallucinations et abus.
• Environnements surdimensionnés.

Module 8 – Implémenter les pratiques FinOps pour l'IA

Pratiques opérationnelles

• Allocation des coûts par modèle, équipe ou service.
• Seuils budgétaires et alertes automatisées.
• Leviers d'optimisation au niveau de l'architecture.
• Lier les métriques de coûts à l'usage et à la valeur.

REX – Échecs de coûts

• Modèles « performants » mais financièrement non viables.

Module 9 – Modèle opérationnel IAOps & feuille de route

Modèle opérationnel

• Rôles et responsabilités entre DevOps, SecOps et FinOps.
• Propriété plateforme vs équipe produit.
• Gouvernance sans bloquer la livraison.

Feuille de route

• Évaluation de la maturité technique.
• Priorisation des lacunes d'implémentation.
• Définition de jalons mesurables.
• Boucle d'amélioration continue.

Livrable : une feuille de route d'implémentation IAOps technique sur 3 à 12 mois.